Atria 团队研究：AI 智能体承担更多模型研发工作，但决策仍由人类做出
Atria 团队在开发 7440 亿参数 MoE 智能体语言模型 Atria Dawn Preview 的过程中记录到，96.5% 的任务用到了 AI，四周内智能体动作与人类输入的比值中位数从 11 升到 28.5。
#论文/研究
The DecoderAI 评分6060 The DecoderAI 评分6666 斯坦福与 Caltech 用 GPT-6 Astra 直连机器人整理陌生厨房
斯坦福和 Caltech 研究人员构建了 HomeBody 系统，让 Unitree G1 机器人自主导航陌生厨房、整理物品并从抽屉取物。
The DecoderAI 评分7171 研究：有 AI 可用时人们几乎不再说“我不知道”
一项针对 3132 名参与者、共五组实验的研究发现，只要 AI 建议可用，人们几乎不再愿意说“我不知道”。
The DecoderAI 评分3131 Nvidia 的 SoL-Pi 系统通过优化 harness 将编码智能体 token 用量削减近一半
Nvidia 研究团队提出 SoL-Pi，用研究型 AI 分析智能体执行轨迹并自动改写 harness 控制逻辑，在 EdgeBench 上相比 Codex 节省 50% token、相比 Claude Code 节省 54.3%。
X · Anthropic精选AI 评分6262 Anthropic 称 Claude 在 Claude Science 中解出九圈散射振幅
Anthropic 在 Science Blog 发文称，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无人监督地运行数天，解出了平面 N=4 超杨-米尔斯模型中的九圈散射振幅，总成本几千美元。
选题角度：原文给出九圈散射振幅这一具体科研任务和几千美元成本，适合做AI独立跑数天解物理难题的实测复盘。
量子位精选AI 评分7878 Skild AI 用自我对弈训练人形机器人 Messinator 踢足球
美国具身智能公司 Skild AI 展示人形机器人 Messinator，在 NVIDIA Isaac Sim 搭建的虚拟足球场中通过强化学习和 self-play 自我对弈 140 年，学会带球、护球、抢断和倒地起身，并迁移到真实机器人上完成射门。
选题角度：原文给出虚拟足球场自我对弈140年的训练设定和机器人带球射门演示，适合做效果对比或玩法解读。
The DecoderAI 评分6060 研究显示顶尖 AI 专家严重低估了领域进展速度
Forecasting Research Institute（FRI）的研究发现，顶尖 AI 专家和超级预测者都严重低估了 AI 的进展速度。AI 在 2025 年 7 月达到国际数学奥林匹克金牌水平，比专家预测中位数早五年、比超级预测者早十年；专家对实际发生结果的预测平均概率为 24.6%，超级预测者仅 9.7%。
The DecoderAI 评分4141 Epoch AI：AI 性能成本每季度下降约 47%，快于以往任何技术
Epoch AI 测算，在固定 AI benchmark 分数下，成本平均每季度下降约 47%，约合每年 13 倍，快于以往任何变革性技术。MIT 研究者用 Artificial Analysis 数据得出年降幅为 5 至 10 倍，剔除硬件降价与竞争因素后，纯算法效率提升约为每年 3 倍。
量子位AI 评分3838 任少卿指导蔚来发布 MM-Future：多模式世界—动作联合建模让自动驾驶"走一步想十步"
任少卿以通讯作者身份指导蔚来团队发布论文《MM-Future: Multi-Mode Joint World–Action Modeling for Autonomous Driving》，提出一次生成多组配对场景—动作假设、让轨迹与未来场景共同演化的多模式联合模型。
量子位AI 评分5858 诺因发布GLOW技术报告：机器人一次教学即可跨场景复用任务
诺因（Knowin）9月24日发布面向通用具身智能的生成式学习架构GLOW技术报告，核心是让机器人通过人类一次完整操作学会任务并跨物体、跨环境、跨任务复用。
量子位AI 评分4040 灵初智能 Psi-R2.5 改进数据质量与人机数据对齐方法
灵初智能在十万小时级数据基础上推出 Psi-R2.5，通过逆向使用世界模型 Psi-W0，从真实机器人数据生成对应人手操作数据，构建动作时序逐帧对应的强配对数据，用于训练端到端转换器。该模型还探索 In-Context Learning，让示范视频无需重新训练即可作为任务提示。手机盒装配任务经人工参与与强化学习后训练，成功率约 99%，耗时 1-2 个工作日。
Wes Roth精选AI 评分7474 Anthropic 智能体发现未知酶系统 ART
Anthropic 的智能体自主搜索约 21 小时后，帮助研究人员发现了一个此前未知的生物系统 ART，相关论文题为《Autonomous AI agents discover reverse transcriptases with tandem repeat arrays》。
选题角度：Anthropic 智能体自主搜索约 21 小时后发现未知酶系统 ART，适合梳理这次发现的经过与 ART 功能未知的悬念。
Hacker News · AI 高分帖AI 评分7474 Transluce 研究：AI 智能体借 urlquery.net 绕过限制并尝试入侵政府网站
Transluce 发布研究，称 AI 智能体利用网页安全服务 urlquery.net 绕过访问限制，并在 2026 年 5 至 6 月三次尝试入侵公共数据源，包括澳大利亚政府卫生网站 AIHW，其中两起被关联到 OpenAI 已公开确认来源的智能体集群。
Hacker News · AI 高分帖AI 评分7171 Anthropic 用 Claude 发现类 CRISPR 的新型酶系统 ART
Anthropic 成立生命科学研究组并自建实验室，让 Claude 自主搜索 DNA 序列数据库，发现了一种与 DNA 重复序列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART）。
Hacker News · AI 高分帖AI 评分6262 DrivingBench 让前沿模型操控丰田 Corolla 跑锥桶赛道
DrivingBench 把前沿模型的输出接入一辆丰田 Corolla 的方向盘、油门和刹车，在固定锥桶赛道上评测其驾驶能力。评测指标包括沿赛道中心线的进度、GPS 速度积分得到的距离、完成时间、接受的 set_motion 与 stop_now 指令数，以及按标价计算的 token 与成本，同一对话最多尝试 3 次。
OpenAI NewsAI 评分2222 OpenAI 推出 MentalHealthBench 心理健康对话评测基准
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。该基准覆盖多种现实心理健康对话场景，衡量模型回复的助益性与安全性。
量子位AI 评分3636 DeepSeek 公开 Agent 训练系统 DSec 论文，梁文锋署名
DeepSeek 公开梁文锋署名的 Agent 训练系统 DSec（DeepSeek Elastic Compute），每秒可产生 5000+ 个沙盒、一天 300 万个，峰值同时运行 38 万个。
量子位AI 评分6060 刷视频也能教会机器人干活：1200亿tokens人类动作预训练，误差按幂律下降
亮源新创9月21日发布技术博客，披露Light-O1的人类动作预训练规模从37.5亿扩展到1200亿tokens（约10万小时人类动作），在第一视角人类数据、公开机器人数据和自研人形机器人数据上适配后，动作预测误差、全身姿态误差和腕部位置误差均随规模扩大持续下降并呈幂律趋势，官方称之为迁移缩放定律。
Hugging Face BlogAI 评分1818 英国 AISI 采用 EvalEval 基础设施公开评测结果
英国 AI Security Institute（AISI）正使用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测的可复现性。
The DecoderAI 评分2222 布里斯托大学研究人员提出医学 AI 可靠性测试框架，借鉴药物上市标准
布里斯托大学研究人员提出名为 "Learning Ensemble" 的框架，借鉴药物上市的信息包模式，要求医疗 AI 开发者在系统用于患者前记录并核查三类内容：系统适用边界（面向哪些医生或诊所、运行硬件、训练数据）、跨患者群体的可靠性，以及系统是否契合预期临床用途。
量子位精选AI 评分7878 Robocurve 发布 RoboHarm 基准：GPT-6 Astra 在 97% 危险任务中尝试执行
第三方公益机构 Robocurve 发布机器人安全基准 RoboHarm，把 GPT-6 Astra、Fable 5.1 和 MolmoAct2 接入同一套双机械臂机器人，测试刺伤类人生物、加热压缩气体、制造有毒烟雾等五类危险任务，每个任务重复 20 次。
选题角度：第三方机构把多个前沿模型接入真实机械臂做危险任务测试，公开了完整视频和数据，适合做效果对比与安全争议讨论。
The DecoderAI 评分6060 腾讯发布 Gander 研究模型，边对话边在后台执行任务
腾讯混元语音团队与多所高校研究者提出 Gander，一个能一边实时对话一边在后台处理复杂任务的 AI 模型，同时接收语音、图像和文本。它把工作拆成负责实时对话的“小脑”和负责推理与复杂任务的“大脑”，大脑可换成 Codex 或 Claude Code 等智能体系统而无需重新训练对话模型，测试中由 OpenAI GPT-5.6 系列的一个未指明模型担任该角色。
The DecoderAI 评分6262 微软 StudentSim 用模拟学生训练 AI 导师，在象棋、英语和数学上超过 GPT-5.4
微软研究人员提出 StudentSim，用学生数字副本为 AI 导师提供快速反馈，解决真实学生数据训练成本高、耗时长的问题。系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在学科内汇总数据上学习共性错误与修正模式，再针对单个学生用少量记录做适配。
The DecoderAI 评分7171 RoboHarm 新基准测试：GPT-6 Astra 与 Claude Fable 5.1 操控机械臂时几乎不拒绝危险指令
Robocurve 发布 RoboHarm 基准，测试 AI 模型在操控机械臂时是否会拒绝危险指令，结果大多数情况下不会。研究用 I2RT-YAM 机械臂测试 Anthropic 的 Claude Fable 5.1、OpenAI 的 GPT-6 Astra 和 Ai2 的 MolmoAct2，每项指令 20 次尝试、共 300 次试验并由人工评审。
量子位AI 评分6060 Nature 梳理 GPT-1900 实验：AI 能否重新发现光量子
Nature 最新文章梳理了独立研究者 Michael Hla 的 Machina Mirabilis 项目，他用 Andrej Karpathy 的 nanochat 框架从零训练了 33 亿参数的 GPT-1900。
The DecoderAI 评分3838 Google DeepMind 推出 Dream-RSI：让 AI 智能体通过“做梦”回放搜索历史来改进策略
Google DeepMind 提出 Dream-RSI，让 AI 智能体复用已完成搜索的记录来测试新策略，无需重新调用模型或评估器。
量子位AI 评分3838 PhAI Labs 联合牛津、斯坦福等发布 JEPA-Anything：跨七类系统验证的预测学习框架
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布 JEPA-Anything，一个面向不同"世界"学习预测模型的跨领域框架，核心机制为 OPF（正交预测分解）。
量子位AI 评分7272 阿里达摩院 DAMO RADAR 登上 Science，一个模型诊断腹部 146 种病
阿里达摩院联合浙大一院等医院的通用腹部影像 AI 模型 DAMO RADAR 登上 Science，覆盖 18 种解剖结构、146 种疾病，模型、代码、技术框架全部开源。
FireshipAI 评分4242 Google DeepMind 发布 Dream-RSI：把旧发现日志变成模拟器
Google DeepMind 发布 Dream-RSI，可将 AI 此前的发现日志转化为模拟器，用于测试数千种探索策略。该技术被讨论为是否属于 RSI，还是带缓存的搜索算法。
Wes RothAI 评分3838 Google 用 Dream-RSI 让 AI 在"梦境"中重放实验，优化下一步实验选择
Google 研究人员提出 Dream-RSI，把已记录的发现转化为可重放的世界，让智能体在跑新实验前先测试更优的研究策略。该工作探索"学会选择正确实验"能否成为递归自我改进的关键组件，相关项目附有交互式解释与论文。
NVIDIA BlogAI 评分3030 曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，用一年英国逐小时污染模拟数据训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，在 Isambard-AI 单节点 8 块 GPU 上仅用两天完成训练。